【技术实现步骤摘要】
模型训练和车道线预测方法、电子设备和自动驾驶车辆
[0001]本公开涉及人工智能
,尤其涉及深度学习、图像处理和自动驾驶领域。
技术介绍
[0002]车道线识别是自动驾驶场景的一种重要感知技术。为了方便存储和应用识别到的车道线信息,车道线信息一般都是采用矢量化参数表征的。由于矢量化参数的搜索空间较大,因此,目前获取车道线的矢量化参数的方式一般是先进行图像感知识别,得到图像中的车道线像素的集合,再基于该集合拟合出车道线,处理过程比较繁琐。
技术实现思路
[0003]本公开提供了一种模型训练和车道线预测方法、电子设备和自动驾驶车辆。
[0004]根据本公开的一方面,提供了一种模型训练方法,包括:
[0005]基于多个样本图像中每个样本图像的车道线特征进行聚类,得到至少一个特征集合;
[0006]基于至少一个特征集合中每个特征集合的聚类中心,得到至少一个中心特征;
[0007]基于每个样本图像的车道线特征与至少一个中心特征中每个中心特征之间的偏置,得到每个样本图像的标注数据;
[0008]基于多个样本图像以及每个样本图像的标注数据,训练得到车道线预测模型。
[0009]根据本公开的另一方面,提供了一种车道线预测方法,包括:
[0010]基于车道线预测模型对待预测图像进行处理,得到预测数据;其中,预测数据包括与至少一个中心特征分别对应的至少一个预测偏置;其中,至少一个中心特征为基于多个样本图像中每个样本图像的车道线特征进行聚类得到的至少一个特征集合 ...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法,包括:基于多个样本图像中每个样本图像的车道线特征进行聚类,得到至少一个特征集合;基于所述至少一个特征集合中每个特征集合的聚类中心,得到至少一个中心特征;基于所述每个样本图像的车道线特征与所述至少一个中心特征中每个中心特征之间的偏置,得到所述每个样本图像的标注数据;基于所述多个样本图像以及所述每个样本图像的标注数据,训练得到车道线预测模型。2.根据权利要求1所述的方法,还包括:针对所述每个样本图像,对其中的车道线像素集合进行曲线拟合,得到所述每个样本图像中的车道线所对应的多项式的参数;基于所述多项式的参数,得到所述每个样本图像的车道线特征。3.根据权利要求1或2所述的方法,其中,所述基于所述多个样本图像以及所述每个样本图像的标注数据,训练得到车道线预测模型,包括:基于预设模型对所述多个样本图像中的第i个样本图像进行处理,得到与所述第i个样本图像对应的预测数据;其中,所述预测数据包括至少一个预测偏置;其中,i为正整数;基于所述第i个样本图像的车道线特征与所述至少一个中心特征中每个中心特征之间的偏置,以及所述至少一个预测偏置,得到第一损失函数;根据所述第一损失函数,调整所述预设模型的参数,并在所述第一损失函数符合预设条件的情况下,将所述预设模型作为所述车道线预测模型。4.根据权利要求3所述的方法,其中,所述基于所述第i个样本图像的车道线特征与所述至少一个中心特征中每个中心特征之间的偏置,以及所述至少一个预测偏置,得到第一损失函数,包括:基于所述第i个样本图像的车道线特征与所述至少一个中心特征中的第j个中心特征之间的偏置,以及所述至少一个预测偏置中的第j个预测偏置,计算第j个欧式距离;其中,j为正整数;基于所述第j个欧式距离,得到所述第一损失函数。5.一种车道线预测方法,包括:基于车道线预测模型对待预测图像进行处理,得到预测数据;其中,所述预测数据包括与至少一个中心特征分别对应的至少一个预测偏置;其中,所述至少一个中心特征为基于多个样本图像中每个样本图像的车道线特征进行聚类得到的至少一个特征集合的聚类中心;基于所述至少一个预测偏置以及所述至少一个中心特征,得到所述待预测图像中的车道线特征。6.根据权利要求5所述的方法,其中,所述车道线预测模型是基于权利要求1
‑
4中任一项所述的方法训练得到的。7.根据权利要求5或6所述的方法,其中,基于所述至少一个预测偏置以及所述至少一个中心特征,得到所述待预测图像中的车道线特征,包括:基于所述至少一个预测偏置中每个预测偏置与其对应的中心特征,得到所述每个预测偏置所对应的预测特征;
基于所述每个预测偏置所对应的预测特征,得到所述待预测图像中的车道线特征。8.根据权利要求5
‑
7中任一项所述的方法,其中,所述车道线特征包括所述待预测图像中的车道线所对应的多项式的参数。9.一种模型训练装置,包括:聚类模块,用于基于多个样本图像中每个样本图像的车道线特征进行聚类,得到至少一个特征集合;中心特征获取模块,用于基于所述至少一个特征集合中每个特征集合的聚类中心,得到至少一个中心特征;标注模块,用于基于所述每个样本图像的车道线特征与所述至少一个中心特征中每个中心特征之间的偏置,得到所述每个样本图像的标注...
【专利技术属性】
技术研发人员:何雷,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。